本申请公开一种文本安全类型检测方法及其装置、设备、介质、产品，所述方法包括：获取待检测的广告图片；采用边缘增强网层对待检测的广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片；针对所述广告图片和边缘增强图片进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息；将所述候选框进行非极大值抑制处理，消除冗余的候选框信息，提高文本安全检测系统的工作效率，其后针对剩余候选框相对应的文本对象进行文本识别，根据识别出的文本判别出其相应的安全类型。本申请能对构成上述模型训练集的相关图片、文本数据进行高效的筛选，以便用于训练相关模型，使模型判别更精准，具有广泛适应性。具有广泛适应性。具有广泛适应性。
【技术实现步骤摘要】
文本安全类型检测方法及其装置、设备、介质、产品
[0001]本申请涉及图像识别
，尤其涉及一种文本安全类型检测方法及其相应的装置、计算机设备、计算机可读存储介质，以及计算机程序产品。
技术介绍
[0002]利用人工神经网络模型进行文本安全类型检测已是技术主流。对于电商平台之类的应用场景来说，每天都会产生海量的广告图片，出于电商平台对广告图片中敏感字、词、信息等的有关限制，一般都需要对用户上传的广告图片中的目标文本对象进行检测和识别，然后因应不同的安全类型和需要做进一步的处理。
[0003]对于电商平台这样的应用场景而言，如果商家上传的用于展示广告信息的广告图片中包含目标敏感字、词、信息等，由于文字对象尺度不一，密集程度不同等不定因素，现有的文本安全类型检测方法有时很难将其从广告图片中准确识别出来，这对于电商平台而言，会造成较大的困扰。完全依靠人工排查更是不现实的。
[0004]因此，如何准确高效地从包含了多种文本信息的各类待检测广告图片中识别出目标敏感字、词、信息等，使识别结果更精确，成为本领域需要解决的技术问题。
技术实现思路
[0005]本申请的首要目的在于解决上述问题至少之一而提供一种文本安全类型检测方法及其相应的装置、计算机设备、计算机可读存储介质、计算机程序产品。
[0006]为满足本申请的各个目的，本申请采用如下技术方案：
[0007]一种文本安全类型检测方法，包括如下步骤：
[0008]获取待检测的广告图片；
[0009]采用边缘增强网层对所述广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片；
[0010]根据所述广告图片和相应多个边缘增强图片分别进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息；
[0011]对经非极大值抑制后的剩余候选框相对应的图像进行文本识别，根据识别出的文本判别出其相应的安全类型。
[0012]深化的实施例中，获取待检测的广告图片，包括如下步骤：
[0013]响应用户触发的广告发布请求，获取其相对应提交的广告发布信息，所述广告发布信息包含广告图片；
[0014]从所述广告发布信息中获取其中的广告图片。
[0015]深化的实施例中，采用边缘增强网层对所述广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片，包括如下步骤：
[0016]基于像素移位处理所述广告图片获得多个偏置图像数据；
[0017]将所述广告图片与所述偏置图像数据逐一进行差分获得多个差分图像数据；
[0018]多次将所述广告图片与所述任意个差分图像数据进行叠加组合处理获得多个边缘增强图片。
[0019]深化的实施例中，根据所述广告图片和相应多个边缘增强图片分别进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息，包括如下步骤：
[0020]对所述广告图片和边缘增强图片进行标准化预处理；
[0021]对所述广告图片和边缘增强图片分别进行文本对象检测，获得属于文本对象的候选框及各候选框相对应置信度信息。
[0022]深化的实施例中，对经非极大值抑制后的剩余候选框相对应的图像进行文本识别，根据识别出的文本判别出其相应的安全类型，包括如下步骤：
[0023]对所述候选框及各候选框相对应的置信度信息进行非极大值抑制处理，删除指向相同文本对象且置信度较低的候选框，获得剩余候选框；
[0024]对剩余候选框相对应的文本图像分别进行文本识别，识别出文本对象；
[0025]根据文本对象进行安全类型判定，输出判定结果。
[0026]具体化的实施例中，对所述候选框及各候选框相对应置信度信息进行非极大值抑制处理，删除指向相同文本对象且置信度较低的候选框，包括如下步骤：
[0027]将候选框及按其置信度信息进行倒序排列作为初始候选集，同时建立一个空的目标集；
[0028]从当前候选集中移除置信度最高的候选框并将之放入目标集中；
[0029]基于像素计算所述候选框与剩余候选集中所有候选框之间的交并比分值；
[0030]将所述交并比分值与预设阈值相比较，当所述交并比分值大于预设阈值时，将候选集中相应的候选框删除；
[0031]重复上述操作直至候选集为空，则目标集中的候选框即为输出结果。
[0032]适应本申请的目的之一而提供的一种文本安全类型检测装置，包括图像获取模块、边缘增强模块、文本检测模块以及安全判别模块，其中，所述图像获取模块，用于从所述广告发布信息中获取其中的广告图片；所述边缘增强模块，用于采用边缘增强网层对所述广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片；所述文本检测模块，用于根据所述广告图片和相应多个边缘增强图片分别进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息；所述安全判别模块，用于对经非极大值抑制后的剩余候选框相对应的图像进行文本识别，根据识别出的文本判别出其相应的安全类型。
[0033]深化的实施例中，所述图像获取模块，包括：触发子模块，响应用户触发的广告发布请求，获取其相对应提交的广告发布信息，所述广告发布信息包含广告图片。获取子模块从所述广告发布信息中获取其中的广告图片，用于识别其文本安全类型的待检测图片。
[0034]深化的实例中，所述边缘增强模块，包括：偏置子模块，被配置为基于像素移位处理所述广告图片获得多个偏置图像数据；差分子模块，将所述广告图片与所述偏置图像数据逐一进行差分获得多个差分图像数据；增强子模块，多次将所述广告图片与所述任意个差分图像数据进行叠加组合处理获得多个边缘增强图片。
[0035]深化的实例中，所述文本检测模块，包括：预处理子模块，对所述广告图片和边缘增强图片进行标准化预处理；检测子模块，对所述广告图片和边缘增强图片分别进行文本
对象检测，获得属于文本对象的候选框及各候选框相对应置信度信息。
[0036]深化的实例中，所述安全判别模块，包括：非极大值抑制子模块，对所述候选框及各候选框相对应的置信度信息进行非极大值抑制处理，删除指向相同文本对象且置信度较低的候选框，获得剩余候选框；文本识别子模块，对剩余候选框相对应的文本图像分别进行文本识别，识别出文本对象；判定子模块，根据文本对象进行安全类型判定，输出判定结果。
[0037]具体化的实例中，所述非极大值抑制子模块中，包括：集初始化单元，将候选框及按其置信度信息进行倒序排列作为初始候选集，同时建立一个空的目标集；优选单元，从当前候选集中移除置信度最高的候选框并将之放入目标集中；计算单元，基于像素计算所述候选框与剩余候选集中所有候选框之间的交并比分值；处理单元，将所述交并比分值与预设阈值相比较，当所述交并比分值大于预设阈值时，将候选集中相应的候选框删除；迭代单元，重复上述操作直至候选集为空，则目标集中的候选框即为输出结果。
[0038]适应本申请的目的之一而提供的一种计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种文本安全类型检测方法，其特征在于，包括如下步骤：获取待检测的广告图片；采用边缘增强网层对所述广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片；根据所述广告图片和边缘增强图片进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息；对经非极大值抑制后的剩余候选框相对应的图像进行文本识别，根据识别出的文本判别出其相应的安全类型。2.根据权利要求1所述的文本安全类型检测方法，其特征在于，获取待检测的广告图片，包括如下步骤：响应用户触发的广告发布请求，获取其相对应提交的广告发布信息，所述广告发布信息包含广告图片；从所述广告发布信息中获取其中的广告图片。3.根据权利要求1所述的文本安全类型检测方法，其特征在于，采用边缘增强网层对所述广告图片进行多图像方向的边缘增强处理，获得相应多个边缘增强图片，包括如下步骤：基于像素移位处理所述广告图片获得多个偏置图像数据；将所述广告图片与所述偏置图像数据逐一进行差分获得多个差分图像数据；多次将所述广告图片与所述任意个差分图像数据进行叠加组合处理获得多个边缘增强图片。4.根据权利要求1所述的文本安全类型检测方法，其特征在于，根据所述广告图片和边缘增强图片进行文本对象检测，确定其中属于文本对象的候选框及各候选框相对应置信度信息，包括如下步骤：对所述广告图片和边缘增强图片进行标准化预处理；对所述广告图片和边缘增强图片分别进行文本对象检测，获得属于文本对象的候选框及各候选框相对应置信度信息。5.根据权利要求1所述的文本安全类型检测方法，其特征在于，对经非极大值抑制后的剩余候选框相对应的图像进行文本识别，根据识别出的文本判别出其相应的安全类型，包括如下步骤：对所述候选框及各候选框相对应的置信度信息进行非极大值抑制处理，删除指向相同文本对象且置信度较低的候选框，获得剩余候选框；对剩余候选框相对...
【专利技术属性】
技术研发人员：兴百桥，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。